Привет, коллеги!

Сегодня хочу немного рассказать о том, как мы в INCITY начинаем работать в QlikView с аналитикой социальных сетей, а именно с Instagram.

Началась вся эта история довольно спонтанно – в октябре уже прошлого года коллеги из АТК готовили к очередному qRUG Day несколько практических кейсов по аналитике социальных медиа на QlikView и Qlik Sense, и предложили нам присоединиться. Лично я не очень-то увлекаюсь соц.сетями и пока не инициировал развитие Клика в эту сторону, но раз появилась интересная возможность, решил ей воспользоваться. Посоветовался с маркетингом, они тоже загорелись идеей объединить всю аналитику по социальным сетям в QlikView. И вот какое приложение у нас получилось на данный момент.

Аналитика Instagram: цели INCITY

У нас есть свои аккаунты во всех крупных соц.сетях, таких как Вконтакте, Twitter, Instagram, Facebook, причем не только общекорпоративные страницы, но и аккаунты INCITY по городам и странам присутствия. Понятно, что это большой объем и что-то должно стать первым шагом, чтобы оценить ценность создания всеобъемлющей SMM-аналитики.

Первым шагом мы выбрали аналитику по аккаунту INCITY в Instagram, т.к. в отличие от Вконтакте и Facebook там нет встроенной аналитики по корпоративной странице. Затем начался процесс сбора требований, или скорее «хотелок», от маркетологов, что им действительно нужно видеть в приложении в первую очередь.

Вот некоторые цели, которые поставили наши маркетологи для приложения по аналитики Instagram:

Цель Анализ развития сообщества Instagram Анализ сообществ-конкурентов Отчеты для сотрудников маркетинга
Задача Расширенная статистика по бренду компании за все время существования страницы Instagram, общей и по городам Оценка контента и стратегий конкурента

Анализ пересекающихся участников

Еженедельные PDF-отчеты сотрудникам отдела маркетинга.

Отправка по расписанию по email

Метрики Лояльность и вовлеченность аудитории Время постинга

Структура контента

Ключевые метрики по соц.сетям

Аналитика Instagram: техническое решение

Instagram для аналитики пока очень плодотворная тема, потому что:

  1. Пока Instagram не предоставляет никакой внутренней аналитики по аккаунту, как это, например, делает Вконтакте и Facebook. Скорее всего, скоро ситуация изменится, ведь фотоприложение теперь принадлежит Марку Цукербергу, но пока аналитика в Клике – будет очень полезна SMM-щикам.
  2. Данные практически открыты. Дело в том, что вся информация на виду – количество публикаций, подписчиков, лайков, комментариев, хэштэги, и ее можно действительно просто собрать с помощью QlikView. Это означает, что кто угодно может проанализировать активность Вашего аккаунта Instagram, но и вы можете сделать интересную и полезную конкурентную аналитику.

Данные Instagram мы интегрировали при помощи специального коннектора от QVSource: Instagram Connector For QlikView & Qlik Sense. Подробная инструкция по коннекту тут: http://wiki.qvsource.com/Instagram-Connector-For-QlikView-And-Qlik-Sense.ashx.

Аналитика Instagram

Интересно, что для интеграции данных Instagram в QlikView не нужно быть администратором страницы – достаточно быть просто пользователем Instagram.

Есть еще одна интересная тема – Instagram не хранит исторические данные по количеству подписчиков. А нам, как аналитикам, важно понимать, с какой скоростью растет база подписчиков, после каких постов больше подписываются или отписываются люди и т.д. Эту техническую трудность мы тоже решили с помощью Qlik-а.

Сделать это достаточно просто, но готовые скрипты – никогда не лишние, поэтому привожу их. Чтобы получить регулярные данные о количестве подписчиков средствами QlikView,  при каждой перезагрузке приложения привязываем количество к времени перезагрузки:

Шаг 1. Загрузка данных из QVSource:

UserInfo:

LOAD

                                                [Количество подписчиков],

                     reloadtime() as ДатаЗагрузки

FROM

[http://localhost:5555/QVSource/InstagramConnector]

(qvx);

Шаг 2. Присоединение данных из предварительно созданного QVD-файла:

Concatenate (UserInfo)

LOAD

[Количество подписчиков],

ДатаЗагрузки

FROM

UserInfo.qvd

(qvd);

Шаг 3. Сохраняем данные в этот же QVD-файл

STORE UserInfo INTO UserInfo.qvd(qvd);

Также эту таблицу можно дополнять значениями, например, добавив дату от времени перезагрузки: date(left(ДатаЗагрузки,10), ‘DD-MM-YYYY’) as UserInfo_date

Это в дальнейшем это упростит создание диаграмм. Как только мы вывели значения количества подписчиков по дням, мы можем через Set Analysis выводить значения по месяцам, сравнивать значения на начало и конец месяца и т.д.

НА ЗАМЕТКУ! Поскольку за один день мы можем сделать несколько перезагрузок, возникает вопрос: какое из значений выводить, если мы, например, хотим показать количество подписчиков за весь день? Есть 2 варианта: брать либо последнее загруженное значение, либо максимальное, но часто оба варианта имеют одинаковые значения.

Метрики: Какие данные можно получить из Instagram и зачем

Итак, вот какой основной интерфейс у нас получился:

Аналитика Instagram

Ну а ниже – основные аналитики, которые мы заложили в приложение QlikView для исследования нашего аккаунта Instagram @incity_official.

Анализ динамики подписчиков паблика

  • Количество и динамика подписчиков. Естественно, нас интересует не только как таковое число подписчиков, но и темп прироста аудитории, т.к. он показывает уровень активности в сообществе и интереса к нашим коллекциям. Чтобы получить данные по количеству и динамике подписчиков Instagram, фиксируем число подписчиков при каждой загрузке приложения (по описанной выше схеме). Так мы можем смотреть прирост подписчиков с любой интересующей периодичностью – по неделям, дням и даже часам (чтобы оценить лучшее время для публикаций).

Анализ вовлеченности аудитории

  • % активных подписчиков. Сколько подписчиков оставляют лайки и комментарии к нашим публикациям из общего числа подписчиков паблика в разрезе неделя, месяц, квартал, полгода, год.
  • Динамика лайков и комментариев. Мы анализируем распределение лайков и комментариев в разных разрезах – на конкретную дату, по дням недели, средние показатели по месяцам в динамике. QlikView помогает быстро находить интересные для аналитики публикации, например, как на верхнем левом графике – с количеством лайков ниже среднего, но с большей вовлеченностью пользователей (комментарии). Можно понять, что SMM-менеджеру улучшить в следующий раз, чтобы сохранить или повысить вовлечение и собрать больше лайков:03

Анализ контента

  • Лучший день/время для публикации. Мы смотрим в разрезе времени суток и дня недели для разных географических зон.
  • Like-for-like анализ популярности публикаций. Чаще всего выборка идет по хэштэгам.
  • Рейтинги постов по лайкам и комментариям. В приложении решили сделать отдельную вкладку с детальной аналитикой наиболее популярных постов: выводятся изображения, текст поста, текст комментария, имя комментатора. Есть фильтрация по хэштэгам – например, бывает полезно посмотреть, какого плана изображения более популярны по хэштэгам #specialoffer или #dress:Аналитика Instagram

Анализ конкурентных пабликов

Этого пока еще не сделали, но, конечно, планируем, поскольку из Instagram мы сейчас можем брать данные по статистике любых аккаунтов (скриншот ниже – из примера АТК на Qlik Sense по аналитике двух аккаунтов Instagram TopShop Россия и TopShop Британия).

  • Статистика аккаунта конкурента, с учетом анализа популярных публикаций, лайков, комментариев.
  • Анализ пересечений аудитории с конкурентными сообществами.Аналитика Instagram

Вместо заключения

Этот небольшой пилотный проект по аналитике нашего основного Instagram-аккаунта маркетологам понравился, поэтому думаем двигаться дальше в направлении аналитики социальных сетей и веб-аналитики он-лайн магазинов.

В отношении Instagram дальнейшие шаги обсуждаем следующие:

  • Объединить несколько наших ключевых аккаунтов Instagram по регионам России и СНГ
  • Добавить данные по аналитике Instagram наших ключевых конкурентов
  • Объединить данные аккаунтов Instagram и ВКонтакте.

Ну а если все пойдет хорошо, с источниками для аналитики будет где «разойтись» – можно будет интегрировать:

  • Исследования по узнаваемости бренда (чтобы посмотреть, как на динамику узнаваемости влияет наша повышенная активность в соц.сетях)
  • Счетчики посетителей (чтобы проследить, идет ли повышение трафика в магазины после постов в соц.сетях о новых коллекциях, скидках или конкурсах)
  • Данные по продажам магазинов (чтобы узнать, например, связан ли всплеск совместных продаж красного платья и клатча с постами этого, как говорят наши маркетологи, «лука» в Instagram)
  • Данные Google Analytics и Яндекс Метрики (чтобы проанализировать связь посещаемости страниц о новой коллекции с активностью в соц.сетях)

Спасибо за внимание и надеюсь, вы тоже задумаетесь об аналитике он-лайн источников данных, включая соц.сети. Что-то подсказывает, что скоро такая аналитика станет неизбежной частью BI для многих ритейлеров 🙂

Будут вопросы – пожалуйста, задавайте!